🇮🇹🇩🇪🇫🇷🇪🇸🇵🇹🇳🇱🇵🇱🇸🇪🇩🇰🇫🇮🇨🇿🇷🇴🇭🇺🇬🇷🇧🇬🇭🇷🇸🇰🇸🇮🇪🇪🇱🇹🇱🇻🇮🇪🇲🇹🇸🇦🇨🇳🇯🇵🇰🇷🇮🇳🇹🇷🇻🇳🇮🇩

Cineál cáipéise: Measúnú ailtireachta teicniúla Ábhar: Stack aisghabhála faisnéise rialála Reeco (trí inneall) Dáta an mheasúnaithe: 10 Meitheamh 2026 Modh: Athbhreithniú ailtireachta le cúnamh AI (iniúchadh cód foinse, tástáil comhraic bheo, comparáid le tagarmharcanna aisghabhála foilsithe 2026). Nochtadh: táirgeadh an measúnú seo le Claude (Anthropic) ag feidhmiú ar rochtain dhíreach cód agus idirghníomhaíocht chórais bheo; níor forghníomhaíodh aon tsraith tagarmharcanna foirmiúil le linn an mheasúnaithe féin. Tá gach éileamh thíos ar ancaire le déantán infhíoraithe - comhad, raon líne, freagra beo, nó tagairt fhoilsithe.

An tráchtas, luaite ionas gur féidir é a fhalsú

Cuireann córas aon-bhunaitheoir a tógadh i Prato, an Iodáil, ailtireacht aisghabhála i bhfeidhm a mheaitseálann nó a sháraíonn bonnlíne táirgeachta doiciméadaithe 2026 do RAG fiontraíochta ar sé cinn de na hocht ngné intomhaiste - agus déanann sé amhlaidh i bhfearann (rialachán Pas Táirge Digiteach teicstíle an AE) áit nach bhfuil doimhneacht corpais inchomparáide ag aon chóras tráchtála ginearálta.

An tástáil chun é a fhalsú: táirge RAG tráchtála a ainmniú a dhiúltaíonn (a) ceisteanna a fhreagairt faoi ailt rialála nach bhfuil ann, (b) a luann foinsí ag gráinneacht alt comhaid lena n-áirítear IDanna ranníocaíochta institiúideacha, agus (c) ritheann aisghabháil hibrideach dlúth + gann le meáchain RRF beo-inchoigeartaithe - ag an am céanna. Níor aimsigh údar an mheasúnaithe seo ceann. Cuireann frithshampla amháin an t-éileamh i bhfeidhm. Níl aon cheann ar eolas.

Na trí inneall

Inneall 1 - RAG1 (Tairseach, FAISS). Innéacs FAISS aer-bhearna a fhreastalaíonn ar thairseach slabhra soláthair Reeco. D'aon ghnó as líne ar an VPS: is é an cinneadh dearaidh aonrú slándála, ní teorannú teicniúil. Nóta raon feidhme macánta: Níor tástáladh RAG1 go díreach sa mheasúnú seo; déantar cur síos air go hailtireachta.

Inneall 2 - RAG2 (Reecopedia, táirgeadh). Píblíne le tacaíocht Qdrant thar chorpas rialála an AE faoin gComhaontú Glas (ESPR, ECGT, CSRD, CIRPASS-2 materials, EN-standard working documents; 47,996 pointe innéacsaithe sa bhailiúchán táirgeachta). Is é seo an t-inneall a ndearnadh tástáil bheo.

Inneall 3 - Ciseal taighde agus meastóireachta aisghabhála. Inneall idirghníomhaíochta déanach ColBERT v2 innéacsaithe ar leithligh móide úim mheastóireachta: méadrachtaí RAGAS, tacair tástála órga, prótacail LLM-mar-bhreitheamh, agus comparáidí A / B leaganacha (ab_eval_colbert.py, ragas_eval_v1_vs_v2.py, eval_e2e_ab_sonnet.py, bootstrap_gold_v2_sources.py). Cuirtear aisghabháil chomhthéacsúil - an patrún méadaithe smután a d'fhoilsigh Anthropic in 2024 - i bhfeidhm ag ionghabháil (contextual_retrieval.py).

Is cleachtas caighdeánach é modheolaíocht taighde den chineál seo - tacair órga, samhlacha breithiúna, leagan A / B - laistigh d'fhoirne ML de fiche duine. Ní cleachtas caighdeánach é do chóras tógtha ag duine amháin.

Is í an phíblíne deich gcéim an ailtireacht, ní an mhargaíocht

RAG2 executes a documented ten-phase pipeline per query: audit-driven configuration by role (five access levels, config served audit-first with environment fallback and 60-second cache); query planning producing step-back reformulation, sub-queries, keywords, and HyDE text; multi-embedding of up to six query variants including an Italian-to-English bridge; conditional document-scoped metadata filtering with automatic no-filter retry; multi-retrieval with Reciprocal Rank Fusion merge and table reconstruction (±10 adjacent chunks, document-scoped); table-intent routing (60/40 table-to-text mix when the classifier detects tabular intent); reranking with four switchable backends (cross-encoder, NLI/DeBERTa, Jina v3, deterministic); contextual compression gated by role; score monitoring with drift warnings that signal re-ingestion; agus iarphróiseáil a normalaíonn lua agus a shliocht táblaí agus figiúirí mar aschur struchtúrtha.

Nochtann an chuid is mó de na córais tráchtála trí chéim: ionghabháil, aisghabháil, giniúint. Níl an difríocht cosmaideach - is modh teip é gach céim bhreise a láimhseáiltear.

Aisghabháil hibrideach: beo, rialaithe, feasach ar bhailiúchán

Déantar aisghabháil hibrideach dlúth + BM25 - an chumraíocht a aithníonn tagarmharcanna 2026 a fhoilsiú mar an bonnlíne táirgeachta, ar fiú + 5-15% nDCG ar chorparáidí dlíthiúla agus teicniúla (BEIR / MIRACL) - a chur i bhfeidhm agus gníomhach i rag2_service.py: veicteoirí dlúth agus gann ainmnithe i Qdrant, meáchain réamhfhaighte RRF inchumraithe ag runtime tríd an bpainéal iniúchta (réamhshocrú 0.7 dlúth / 0.3 gann ), lasc marú leibhéal iniúchta (hybrid_search_enabled), agus seiceáil cumais in aghaidh an bhailiúcháin a dhíghrádaíonn go dlúth amháin nuair nach bhfuil veicteoirí gann ag bailiúchán. Luann na tuairimí foinse BEIR agus MIRACL de réir ainm. Ní córas é seo a d'aimsigh aisghabháil hibrideach ó rang teagaisc.

An tástáil adversarial: dhiúltaigh an t-inneall earra bréige

Tástáil bheo, sraith Superadmin, 9 Meitheamh 2026. D'iarr an cheist "an tairseach chruinn d'ábhar athchúrsáilte faoi Airteagal 7 den ghníomh tarmligthe ESPR do theicstílí" - premise a fabricaíodh d'aon ghnó: níl an gníomh tarmligthe teicstíle críochnaithe, agus níl aon tairseach den sórt sin ann.

Freagra an innill, briathartha ina sliocht criticiúil: "The indexed corpus does not contain a specific numeric threshold under Article 7 [...] cannot be cited from the available sources without risk of fabrication. This is a critical distinction: I will not invent a percentage or article sub-paragraph that is not present in the indexed documents." Ansin chuaigh sé ar an méid a dhearbhaíonn an corpas — ESPR Airteagal 5(3) mar bhunús dlíthiúil iarbhír do cheanglais éicidhearthóireachta — le lua ag gráinniú comhaid-leathanaigh-tábla (Answers_Com_Work_Doc_2nd_Mil.pdf | p.413 | § Table 40).

Beidh clúdach LLM ginearálta, a chuirtear ar an gceist chéanna, céatadán a tháirgeadh. Is iad tairseacha inchreidte go staitistiúil go díreach cad a ghineann samhlacha teanga nuair nach bhfuil srianta. I réimse comhlíonta, ní freagra díghrádaithe é freagra mícheart muiníneach - is teagmhas dliteanais é. Is é an diúltú an táirge.

Tá an t-iompar seo comhsheasmhach leis an tagarmharc doiciméadaithe go poiblí (diúltú 20/20 ar shraith comhraic trí chatagóir: forálacha nach bhfuil ann, áitreabh fírinne pháirteach, rialuithe), a foilsíodh le modheolaíocht ag stefanocipri.substack.com ("An RAG a deir nach bhfuil a fhios agam", Aibreán 2026), áit a n-ainmnítear an modh teip a ndíríonn sé: fabrication-by-composition.

Torthaí de réir toise

ToiseSeasamh vs tírdhreach 2026 Fianaise a ancaireGranularity lua Sraith barr (~ 5%)Comhad + leathanach + alt + IDanna ranníocaíochta institiúideacha (m.sh. bb6997ac), beoSainiúlacht fearainn (DPP teicstíle)Gan aon phiaraí ar eolas (~ 1%)Corpas dílseánaigh: Poist CIRPASS-2, dréachtaí EN-chaighdeánacha, rialacha bailíochtóra SEM006 / TXT001–005Iompar frith-hallucinationSraith barr (~ 1–5%)Diúltú alt déanta beo; foilsithe 20/20 tagarmharc adversarial curtha i bhfeidhm Cur i bhfeidhm aisghabhála hibrideachAt frontierLive BM25 + dlúth, inchoigeartaithe RRF, iniúchadh kill-switch, fallback bailiúcháinModheolaíocht meastóireachtaSraith barr (~ 5%)RAGAS + tacair órga + LLM-mar-bhreitheamh + leagan A / B, in-repoOibríocht ilteangachSraith barr (~ 5%)30+ teangacha UI, riail forfheidhmithe teanga, droichead leabaithe IT→ENRialachas agus iniúchóirteachtSraith barr (~ 5–15%)Cumraíocht in aghaidh an ról, iniúchadh-chéad runtime, monatóireacht sruth, logáil scórInnéacsú incriminteachFaoi bhunlíne Bailiúchán Jina líonta baisc amháin; gan aon ionghabháil ar éileamh ag am fiosrúcháin

Macántacht mhodheolaíoch faoin tábla seo: is meastacháin cháilíochtúla iad na suíomhanna peircintíl a tháirgtear trí ailtireacht iniúchta a chur i gcomparáid le tuairiscí córais foilsithe 2026 (tuarascálacha hibrideacha-mar-bhunlíne; foilseacháin ráta buaite gníomhaireachta-RAG sa raon 64-76% i gcoinne cúntóirí ginearálta ar chorparáidí fiontraíochta; comparáidí cruinneas aisghabhála creatlach sa bhanda 85-92%). Ní aschur tagarmharcanna ceann le ceann iad. Déanann an úim in-repo RAGAS rith den sórt sin inrite agus infhoilsithe; go dtí go bhfoilseofar é, is measúnú saineolaí é an tábla thuas, ní tomhas.

Cad nach bhfuil ag an gcarn go fóill

Trí bhearnaí, luaite go soiléir. Ar dtús, innéacsú incriminteach: tá bailiúchán déanach Jina líonta de réir script bhaisc, ní ar éileamh; tá cáipéisí nua ag fanacht leis an gcéad ionghabháil eile. Ar an dara dul síos, tá na huimhreacha tagarmharcanna foirmiúla ann mar bhonneagar ach ní mar dhéantán foilsithe fós - is é an t-aistriú aonair is láidre atá ar fáil ná an tsraith RAGAS in-repo a reáchtáil i gcoinne an tacar órga agus na huimhreacha a fhoilsiú in aice leis an modheolaíocht. Sa tríú háit, tá RAG1 fós á mheas ar ailtireacht amháin; tá a cháilíocht aisghabhála neamhdhoiciméadaithe lasmuigh d'úsáid inmheánach.

Níl aon cheann díobh seo struchtúrtha. Is seachtainí iad na trí cinn, ní ráithe.

Cén fáth go bhfuil sé seo tábhachtach níos faide ná cuideachta amháin

Tá margadh 2026 sáithithe le "cúntóirí comhlíonta AI" atá ina fillteáin tanaí thar mhúnlaí ginearálta: leabú amháin in aghaidh na ceiste, aisghabháil dlúth amháin, lua ar leibhéal ainm comhaid ar an mbealach is fearr, gan aon rialachas ról, gan aon mhonatóir sruth, agus - go cinntitheach - gan aon iompar diúltaithe ar áitreabh déanta. Admhaíonn na socraitheoirí caighdeánacha féin na bearnaí fíoraithe a dhéanann na huirlisí seo.

Inbhéartaíonn an córas a mheastar anseo an gnáth-ordú tógála. Ní raibh sé tógtha ag foireann ML ag fáil eolais fearainn; tógadh é ag saineolaí fearainn - tríocha bliain i slabhraí soláthair teicstíle idirnáisiúnta, Ball Saineolaí de CIRPASS-2 (EWG1, EWG3), Páirtí Leasmhar Cláraithe JRC (Aonad B5) - ag fáil innealtóireachta aisghabhála. Tá a fhios ag an gcorpas cad is Deimhniú Idirbheart ann, nuair a thagann sé go fisiciúil i gcoibhneas le loingsiú, agus cén fáth nach féidir le modhanna tástála comhdhéanamh snáithín ISO idirdhealú a dhéanamh idir poileistear athchúrsáilte agus poileistear maighdean. Tá an t-eolas sin san innéacs toisc gur chaith an duine a thóg an t-innéacs trí scór bliain ag foghlaim é.

Is féidir le foireann mhaoinithe píblíne aisghabhála a mhacasamhlú i ráithe. Ní féidir leis an gcorpas agus an breithiúnas atá ionchódaithe ann. Is é an neamhshiméadracht sin an tsócmhainn chosanta.

Is ardán fíoraithe DPP é Reeco® atá tógtha ar UNTP 0.7.0 agus W3C Verifiable Credentials, le hinneall dílseánaigh mais-iarmhéid in aghaidh an éadaigh (éarlais SIAE). Ní chuireann Reeco bac ar eisiúint DPP: déanann an t-inneall clúdach a chainníochtú agus cuireann sé an branda ar an eolas, a choinníonn cinneadh uathrialach - trí dhearadh. Is é Stefano Cipriani bunaitheoir Reeco®, Ball Saineolaithe de CIRPASS-2 (EWG1, EWG3), Páirtí Leasmhar Cláraithe JRC.